[發明專利]一種基于深度學習的軍船、民船自動識別方法

在審

• 申請號: 201810295054.3
• 申請日: 2018-04-04
• 公開（公告）號: CN108614996A
• 公開（公告）日: 2018-10-02
• 發明（設計）人: 劉俊;孟偉秀;黃亮;潘浩;谷雨
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 浙江永鼎律師事務所 33233
• 代理人: 雷仕榮

本發明公開了一種基于深度學習的軍船、民船自動識別方法，屬于基于圖像的自動目標識別領域。本發明創造可以在海防，武器裝備智能化，態勢估計領域應用。該方法針對傳統的基于深度學習的目標識別網絡各層單向連接，特征表達能力不足的問題，重新設計了一種稠密連接卷積等層的算法模型。使用稠密連接的方式，算法模型復用了每一層的特征，從而提高了算法模型的目標識別平均準確率；算法模型采用全卷積的特征提取方式去除了權重參數過大的全連接層，采用這種方式訓練得到的算法模型更小；不僅如此，算法模型解決了梯度彌散、梯度膨脹的問題。

技術領域

本發明創造屬于基于圖像的自動目標識別領域，尤其涉及一種基于深度學習的軍船、民船自動識別方法。

背景技術

新形勢下，網絡化聯合作戰呈現出陸、海、空、天、電磁、賽博多維立體戰場一體化作戰特點，通過多平臺(地面、機載、無人機載、艦載、車載、星載、水面、水下、艦掛、數據庫系統)，多源傳感器(SAR/ISAR、紅外攝像頭、高光譜/多光譜/微光/EO/可見光、聲納、激光、毫米波)等途徑可以獲得海量的圖像、視頻數據，數據來源具有“5V+1C”的特點，即：Volume(大容量)、Variety(多樣性)、Velocity(時效性)和Veracity(準確性)、Value(價值)和Complexity(復雜性)。因此，如何從這些不同類型、不同時機、不同分辨率的海量圖像、視頻大數據中查找出需要的軍船、民船類別、位置信息，從而為指揮員決策提供情報支持，顯得尤為重要。

面對以TB/PB級呈現的海量觀測圖像、視頻數據，應用中存在著“大海撈針”的情況，一方面數據多到無法處理，另一方面需要的目標又找不到，導致無法快速及時的給出精確判斷，貽誤戰機。軍事應用領域迫切需要一種智能的自動目標識別技術來對海量圖像、視頻資源做自動分析，進而為戰術決策提供重要依據。

基于深度學習的軍船、民船識別技術是采用自動數據處理方法，對多源探測信息中的目標數據進行識別和分類。近年來得益于大數據、云計算和人工智能技術的快速發展和大規模已標記數據集的出現，尤其是以深度學習算法為基礎的智能目標識別技術的突破，大力的推動了基于圖像的自動目標識別技術的發展。得益于深度學習強大的特征表達的能力，在模式識別和計算機視覺領域快速發展，迅速替代了以往基于先驗知識的人工構造特征的方式。其中，卷積神經網絡(Convolutional Neural Network，CNN)在目標識別任務上的成功應用極大地提高了目標分類任務的精確率。該方法在不同場景、不同分辨率等復雜情況下較傳統方法仍具有較高的準確率和魯棒性。

傳統的深度學習目標識別網絡各層特征不復用，包含權重參數過大的全連接層，導致特征提取不是最優。本專利通過稠密連接卷積等層和全卷積的方式設計了一個前沿的面向軍船民船的軍事目標識別系統。

故，針對現有技術存在的技術問題，實有必要提出一種技術方案以克服現有技術的缺陷。

發明內容

有鑒于此，確有必要提供一種基于深度學習的軍船、民船自動識別方法，實現對大量視頻、圖像數據進行更加高效的處理，以期在武器裝備智能化，態勢估計等軍事應用領域提供支撐。

為了解決現有技術存在的技術問題，本發明的技術方案為：

一種基于深度學習的軍船、民船自動識別方法，包括以下步驟：

步驟(1)：通過基于稠密全卷積神經網絡的區域采樣算法(Dense connectedRegion Proposal Network,DRPN)生成盡可能少的、高質量的采樣區域。

DRPN算法有如下步驟：